Se i produttori di batterie per telefoni cellulari potessero dire quali celle dureranno almeno due anni, quindi potrebbero vendere solo quelli ai produttori di telefoni e inviare il resto a produttori di dispositivi meno esigenti. Una nuova ricerca mostra come i produttori potrebbero farlo. La tecnica potrebbe essere utilizzata non solo per ordinare le celle prodotte, ma anche per aiutare i nuovi progetti di batterie a raggiungere il mercato più rapidamente.

La combinazione di dati sperimentali completi e intelligenza artificiale ha rivelato la chiave per prevedere con precisione la vita utile delle batterie agli ioni di litio prima che le loro capacità inizino a diminuire, scienziati della Stanford University, scoperto dal Massachusetts Institute of Technology e dal Toyota Research Institute. Dopo che i ricercatori hanno addestrato il loro modello di apprendimento automatico con alcune centinaia di milioni di punti dati di batterie in carica e scarica, l'algoritmo ha previsto quanti cicli in più ogni batteria sarebbe durata, sulla base dei cali di tensione e di alcuni altri fattori tra i primi cicli.

Le previsioni rientravano nel 9% del numero di cicli effettivamente durati le cellule. Separatamente, l'algoritmo ha classificato le batterie come aspettativa di vita lunga o breve basata solo sui primi cinque cicli di carica/scarica. Qui, le previsioni erano corrette il 95% delle volte.

Pubblicato il 25 marzo in Energia della natura , questo metodo di apprendimento automatico potrebbe accelerare la ricerca e lo sviluppo di nuovi design di batterie e ridurre i tempi e i costi di produzione, tra le altre applicazioni. I ricercatori hanno reso il set di dati, il più grande del suo genere, disponibile al pubblico.

"Il modo standard per testare i nuovi modelli di batterie è caricare e scaricare le celle fino a quando non si guastano. Poiché le batterie hanno una lunga durata, questo processo può richiedere molti mesi e persino anni, " ha detto il co-autore Peter Attia, Dottorando a Stanford in scienza e ingegneria dei materiali. "È un costoso collo di bottiglia nella ricerca sulle batterie".

Il lavoro è stato svolto presso il Center for Data-Driven Design of Batteries, una collaborazione accademico-industriale che integra teoria, esperimenti e scienza dei dati. I ricercatori di Stanford, guidato da William Chueh, professore assistente in scienze e ingegneria dei materiali, condotto gli esperimenti sulla batteria. Il team del MIT, guidato da Richard Braatz, professore di ingegneria chimica, eseguito il lavoro di apprendimento automatico. Kristen Severson, co-autore della ricerca, ha completato il suo dottorato in ingegneria chimica al MIT la scorsa primavera.

Ottimizzazione della ricarica rapida

Uno degli obiettivi del progetto era trovare un modo migliore per caricare le batterie in 10 minuti, una caratteristica che potrebbe accelerare l'adozione di massa dei veicoli elettrici. Per generare il set di dati di addestramento, il team ha caricato e scaricato le batterie fino a quando ognuna ha raggiunto la fine della sua vita utile, che hanno definito come una perdita di capacità del 20 percento. Verso l'ottimizzazione della ricarica rapida, i ricercatori volevano scoprire se fosse necessario far funzionare le batterie nel terreno. La risposta a una domanda sulla batteria può essere trovata nelle informazioni dei primi cicli?

"I progressi nella potenza di calcolo e nella generazione di dati hanno recentemente consentito all'apprendimento automatico di accelerare i progressi per una varietà di compiti. Questi includono la previsione delle proprietà dei materiali, " Braatz ha detto. "I nostri risultati qui mostrano come possiamo prevedere il comportamento di sistemi complessi in un lontano futuro".

In genere, la capacità di una batteria agli ioni di litio è stabile per un po'. Poi fa una brusca svolta verso il basso. Il punto di precipitazione varia ampiamente, come sa la maggior parte dei consumatori del 21° secolo. In questo progetto, le batterie sono durate da 150 a 2, 300 cicli. Tale variazione è stata in parte il risultato della sperimentazione di diversi metodi di ricarica rapida, ma anche della variabilità di produzione tra le batterie.

"Per tutto il tempo e il denaro spesi nello sviluppo della batteria, il progresso è ancora misurato in decenni, ", ha affermato il coautore dello studio Patrick Herring, uno scienziato del Toyota Research Institute. "In questo lavoro, stiamo riducendo di un ordine di grandezza uno dei passaggi più dispendiosi in termini di tempo, il test della batteria".

Possibili usi

Il nuovo metodo ha molte potenziali applicazioni, disse Attia. Per esempio, può ridurre i tempi per la convalida di nuovi tipi di batterie, che è particolarmente importante dati i rapidi progressi dei materiali. Con la tecnica di smistamento, le batterie dei veicoli elettrici determinate ad avere una durata di vita breve, troppo breve per le auto, potrebbero essere utilizzate invece per alimentare i lampioni stradali o eseguire il backup dei data center. I riciclatori potrebbero trovare celle da pacchi batteria EV usati con una capacità sufficiente per una seconda vita.

Un'altra possibilità è l'ottimizzazione della produzione delle batterie. "L'ultimo passaggio nella produzione delle batterie si chiama 'formazione, ' che può richiedere giorni o settimane, " Attia ha detto. "Utilizzare il nostro approccio potrebbe accorciarlo in modo significativo e ridurre i costi di produzione".

I ricercatori stanno ora utilizzando il loro modello per ottimizzare le modalità di ricarica delle batterie in soli 10 minuti, che dicono ridurrà il processo di più di un fattore 10.